基于機(jī)器學(xué)習(xí)的連續(xù)超聲牛卵泡圖像集分割算法研究.pdf

1、超聲圖像分割技術(shù)對(duì)于黃牛卵泡的監(jiān)測(cè)起著重要的作用，通過對(duì)黃牛卵泡的監(jiān)測(cè)，尋找最佳受孕時(shí)機(jī)進(jìn)行配種，能夠有效提高黃牛的繁殖能力。隨著養(yǎng)牛業(yè)的曰漸成熟，為了追求更大的經(jīng)濟(jì)效益，對(duì)于超聲圖像分割技術(shù)提出了更高的要求。
　　本文根據(jù)連續(xù)超聲卵泡圖像集的特點(diǎn)，分析比較了一些常用的圖像分割算法及在超聲圖像分割中的應(yīng)用。超聲圖像含有大量斑點(diǎn)噪聲，邊緣模糊，傳統(tǒng)的圖像分割算法很難在超聲圖像上得到較好的分割結(jié)果。
　　支持向量機(jī)(SVM)作為

2、一種有監(jiān)督式的機(jī)器學(xué)習(xí)方法，通過樣本集的訓(xùn)練能很好地學(xué)習(xí)樣本的特征，從而得到較高的分割準(zhǔn)確率。但是傳統(tǒng)的SVM模型在處理連續(xù)數(shù)據(jù)集時(shí)，只能分別為每幅圖像訓(xùn)練分割模型，因此需要對(duì)每幅圖像進(jìn)行樣本提取，費(fèi)時(shí)費(fèi)力。本文改進(jìn)了傳統(tǒng)的SVM模型，通過提取能表征圖像連續(xù)性的特征與圖像像素的特征進(jìn)行組合，訓(xùn)練一個(gè)能對(duì)整個(gè)圖像集中圖像進(jìn)行分割的模型。該模型在保證一定分割精度的情況下，大幅降低了提取樣本的工作量。
　　本文在ROI區(qū)域的自動(dòng)選擇上也